matlab中主成分分析的函数: # m" N. W) ?2 v1 i
1.princomp% i: G2 a& L! C: s
功能:主成分分析- @7 u$ G7 y1 q* O" q) ?) J, d
格式:PC=princomp(X)
, I# O' }8 q' l/ G2 Y [PC,SCORE,latent,tsquare]=princomp(X)
* ]7 \$ S/ P4 Y 说明:[PC,SCORE,latent,tsquare]=princomp(X)对数据矩阵X进行主成分分析,给出各主成分(PC)、所谓的Z-得分 (SCORE)、X的方差矩阵的特征值(latent)和每个数据点的HotellingT2统计量(tsquare)。
5 t7 M0 W/ d0 u h2.pcacov
) |9 y, @$ X% v0 \% P( k 功能:运用协方差矩阵进行主成分分析
% |0 W; J* z; f1 z6 Z) t 格式:PC=pcacov(X)2 Z; F$ U+ v I% b9 i8 M& B' H' d
[PC,latent,explained]=pcacov(X)( _9 g0 u. ~ {$ B' u; t: E5 f! X
说明:[PC,latent,explained]=pcacov(X)通过协方差矩阵X进行主成分分析,返回主成分(PC)、协方差矩阵X的特征值(latent)和每个特征向量表征在观测量总方差中所占的百分数(explained)。
/ S; r3 w2 X- c, v+ |3.pcares
& E0 @! Y- c y% t: u 功能:主成分分析的残差
: d/ P2 M" B1 q3 e- d 格式:residuals=pcares(X,ndim)
J3 e5 F/ b& | 说明:pcares(X,ndim)返回保留X的ndim个主成分所获的残差。注意,ndim是一个标量,必须小于X的列数。而且,X是数据矩阵,而不是协方差矩阵。
( x# ~3 H& _- Y# w4.barttest
& p1 i3 d' ~* m7 Y* d5 [ 功能:主成分的巴特力特检验; n F5 A, P# R9 J. l* U% d
格式:ndim=barttest(X,alpha)
) x' t/ _7 E+ O! F [ndim,prob,chisquare]=barttest(X,alpha)1 H) ]4 w* N4 Z& }( h# S- c0 o; U! g3 ?
说明:巴特力特检验是一种等方差性检验。ndim=barttest(X,alpha)是在显著性水平alpha下,给出满足数据矩阵X的非随机变量的n维模型,ndim即模型维数,它由一系列假设检验所确定,ndim=1表明数据X对应于每个主成分的方差是相同的;ndim=2表明数据X对应于第二成分及其余成分的方差是相同的。 |